用途：在向《Sociological Methods & Research》(SMR) 投稿时，把稿件的贡献定位于方法学文献，而非实质性文献。SMR 审稿人是方法学家，通常熟悉最接近的既有估计量、原始推导和相邻学科的竞争方法，遗漏先例是最快的退稿途径。
主要能力：围绕“最接近的方法是什么、你的方法有何不同”组织文献综述，而非综述主题知识。内容结构包括：直接前身（你的贡献所扩展、修正或替代的方法，引用原始出处而非教科书）；跨学科同类（统计学、计量经济学、心理测量学、机器学习或网络科学中解决同一问题的工作）；竞争方法（审稿人会要求你在模拟中超越的替代方案）。
使用方式：起草综述前先做先例审计——检索原始统计学文献而非仅社会学文献，因为 SEM、潜变量、多层次、缺失数据和因果推断工具多源于统计/心理测量学；对每个近邻写一行“他们做什么/你做什么不同/差异为何重要”，说不清差异即尚未区分贡献；区分重新推导与新颖性，已发现的结果须注明并说明真正新增部分。资料给出跨领域对照表，覆盖因果效应与控制、潜类/轨迹、测量不变性、缺失数据、网络效应、文本数据等主题，并提示兄弟期刊归属错误风险：Sociological Methodology (ASA 年刊) 与 SMR (SAGE) 不可混同，Psychological Methods、Political Analysis、Structural Equation Modeling、Journal of Educational and Behavioral Statistics 是邻近刊物。
适用场景：SMR 投稿的文献定位部分；也可用于检查模拟研究比较集是否与综述一致。审稿人通常先看直接前身的原始推导是否被引用、最强竞争者是否被命名并纳入模拟、跨学科列是否被检查。输出格式包含直接前身、跨学科同类、需击败的竞争方法、先例风险，并指向下一技能 smr-derivation-and-properties。
限制：本技能聚焦文献定位，不保证录用；未提供收费、平台或效果信息。